近年来，星载计算技术的发展使卫星具备了在轨数据处理的能力。随着大规模星座建设推进，卫星所获取的数据规模呈指数级增长，数据类型愈发多样复杂。在此背景下，星载人工智能（AI）技术应运而生，以其强大的学习、适应与复杂分析能力赋予卫星在轨智能处理能力，实现从被动遵循预设指令到主动智能分析决策的跨越。星载AI技术已经在对地遥感、天文观测、深空探测等领域取得显著成果，在空间态势感知、太空垃圾清理等太空新经济场景中也有广阔的应用前景。如今，星载AI技术已成为卫星智能化发展的核心，为航天事业注入新的活力。
然而，星载AI技术的发展与应用仍面临诸多瓶颈。首先，星上资源不足，功耗限制严格，而AI算法对硬件资源的需求较高，运行功耗较大；其次，复杂的AI模型通常包含大量的参数和复杂的计算过程，在辐射环境下更容易受到单粒子效应等的影响。此外，AI模型部署相对复杂，地面模拟太空环境的成本高昂，这些难题限制了星载AI技术的快速发展。
本文针对星载AI技术的发展现状、技术挑战与应对思路进行深入探讨，并介绍星测未来科技（北京）有限责任公司（以下简称星测未来）在星载AI技术应用方面的实践案例，以期为我国卫星智能计算技术的创新发展提供理论支持与经验参考。
2000年左右，国内外研究机构开始探索卫星在轨数据处理技术，但由于宇航级芯片的性能限制，卫星只能处理简单任务，随着商用现货（COTS）器件的广泛应用，更复杂的算法得以进入太空，也促进了星载AI技术的发展。
国外星载AI技术发展情况
（1）星载AI在轨技术验证
2020年，欧洲航天局（ESA）主导研制的技术试验卫星（ΦSat-1，又称PhiSat-1）首次将AI算法送上太空，该卫星采用英特尔公司视频处理单元（Movidius Myriad 2 VPU），部署深度神经网络（DNN）算法，能够在轨识别和删除无用的云图像，可节省30％的数据下传带宽。该项目验证了星载AI技术可行性，此后星载AI技术逐步在欧美进入商业化阶段，已在环境监测、国防侦察以及空间态势感知领域形成技术应用闭环。
（2）星载AI技术应用闭环
在环境监测领域，星载AI实时分析卫星图像，为灾害预防和应急救援提供宝贵信息支撑。德国极光科技公司（OroraTech）利用星载AI构建实时野火监测能力。2022年，极光科技成功发射其首颗野火检测卫星森林一号（FOREST-1），采用英伟达边缘AI计算模块（Jetson Xavier NX），算力达到21TOPS，通过在轨AI野火检测算法以及星间通信功能，将野火警报传播的延迟从几个小时缩短到几分钟。美国高光谱成像技术研发商Orbital Sidekick利用星载AI开展能源管线的监测。2023年，轨道侧卫发射其首颗高光谱卫星，采用英伟达边缘AI计算模块（Jetson AGX Xavier），算力约为32TOPS，高性能星载AI平台实时处理和分析全球能源管线周边环境数据，将异常情况传递给用户，目前已经实现7颗卫星组网观测。
在国防领域，星载AI是战术情报、监视和侦察（ISR）以及作战管理和指挥控制（BMC3）的核心技术。2021年，美国帕兰提尔公司（Palantir）发布了元星座系统（Meta-Constellation），利用星载AI提供全球实时情报信息。2022年4月1日，帕兰提尔联合卫星逻辑公司（Statellogic）发射了搭载自研AI平台（Edge AI）的卫星，采用英伟达边缘AI计算模块（Jetson TX-2i），并实现了在轨情报提取。洛克希德·马丁公司（Lockheed Martin）利用星载AI打造太空联合全域指挥与控制体系，于2024年3月4日发射小马快车二号（Pony Express 2）试验星，采用软件定义卫星架构，可支持AI驱动的自主任务、协同编队、故障检测修复等功能。
在空间态势感知领域，星载AI正在协助人们绘制太空交通地图，助力垃圾清理与在轨服务。美国空间态势感知公司Privateer开发名为“真实”（Pono）的星载AI计算模块，利用复杂的机器学习算法评估轨道碰撞的风险并执行自主规避机动。2020年，ESA与瑞士初创公司清洁太空公司（ClearSpace）签订了一份太空垃圾清理合同，计划于2025年发射卫星清洁太空一号（ClearSpace-1），使用AI驱动的摄像头与机械臂来寻找碎片，并将其拖回大气层烧毁。
国内星载AI技术发展情况
我国卫星计算技术起步较晚，但是近年来星载AI技术发展迅速，卫星计算能力实现弯道超车，主要应用于遥感数据在轨处理。
（1）星载AI 计算架构迭代
2019年开始，长光卫星进行了多代星上计算方案验证，包括第一代基于多核数字信号处理器（DSP）的吉林一号光谱01/02星、第二代基于英伟达边缘AI模块（Jetson TX2）的吉林一号高分03A星，以及第三代基于华为AI加速模块（Atlas200 - NPU）的魔方01A星，实现在轨目标识别和监测验证，完成了从在轨数据处理到智能化计算的技术突破。
2022年2月27日，天仪研究院SAR遥感卫星巢湖一号成功发射，搭载星测未来星载智能计算载荷，集成了现场可编程门阵列（FPGA）、图形处理器（GPU）、中央处理器（CPU）和神经网络处理器（NPU）多种计算架构，具备21TOPS算力，开展在轨图像压缩、目标识别等AI解译工作，完成国内首次高性能GPU在轨验证。
2023年1月15日，武汉大学牵头研制的珞珈三号01星成功发射，基于高性能GPU构建星上智能处理单元，具备实时高精度定位、兴趣区域智能筛选、信息智能提取和智能高效压缩等功能。同日，北京邮电大学牵头研制的验证星北邮一号成功发射，部署树莓派4B和华为AI开发者套件（Atlas 200 DK）两种计算设备，开展星载AI技术试验。
（2）在轨算力不断突破
2023年8月10日，地卫二空间技术（杭州）有限公司研制的地卫智能应急一号成功发射，以AI载荷为核心，提供80TOPS算力，并具备智能操作系统。
2024年1月23日，星测未来星载AI计算板卡搭载微纳星空泰景三号02星成功发射，提供275TOPS算力，可实现高性能AI图像压缩和AI目标识别等在轨处理。
2024年11月，之江实验室牵头提出建设“三体计算星座”，星座建成后算力将达到1000P（每秒百亿亿次浮点运算）。2025年5月14日，“三体计算星座”首批12颗计算卫星成功发射，最高单星算力达744TOPS。
与传统星载算法相比，AI算法凭借强大的学习能力和自适应特性，能够处理更灵活的空间任务，但同时也面临计算复杂度高、模型参数量大等新挑战。在太空环境中，星载AI还需克服严苛的辐射条件、极端的温度变化和严格的功耗限制等特殊约束，需要针对性技术突破。
星载AI技术需求
（1）算法场景多样化
根据卫星任务需求与数据特点，星载AI技术常用多种AI算法。在卫星遥感领域，主要应用于信息提取和知识生成，包括实时信息提取、目标检测和变化监测、情报汇总等功能，主要采用卷积神经网络（CNN）算法。在卫星管理与协同领域，主要应用于资源分配、拓扑关系分析、流量调度等功能，常用AI算法包括递归神经网络（RNN）、图神经网络（GCN）以及遗传算法等。
（2）算法时效性要求高
卫星作为航天器，其资源有限，为了保障在轨实时处理能力，在部署AI算法时需要特别关注硬件的算力支持。目前，许多卫星搭载了高性能处理器和专用AI芯片，包括GPU、FPGA、ASIC、NPU等。
同时，AI算法需要根据星上资源进行轻量化处理。常见的优化方法包括量化、蒸馏和剪枝等技术。例如，在遥感场景中，通过高算力服务器进行训练后，将模型轻量化并适配到卫星端，以满足实时处理需求。
在部署方面，星载AI算法可提前预置在星载计算平台中，发射后自主运行，减少对地面控制中心的依赖；也可在轨加载，通过地面站以遥控指令形式将AI算法模型传输至卫星，卫星接收到任务后在星载计算平台上运行。这种模式允许卫星根据任务需求动态加载不同的AI算法，提高了灵活性和适应性。
星载AI技术挑战
基于卫星计算条件与AI技术特征，星载AI技术的挑战可以概括为三个方面：
（1）高可靠
电子元器件面临宇宙辐射损坏及充放电效应等环境威胁，为了确保星载AI在空间环境中长期稳定工作，需要综合考虑太空的极端条件和辐射环境威胁，并采取相应的加固措施。
（2）高性能
星载AI与地面智能计算场景相比，计算资源极为受限。重量方面，卫星的重量直接影响发射成本和轨道位置，星上设备往往需要采用轻小型方案。功耗方面，卫星依赖太阳能电池板供电，提供的电力有限，星上设备须严格控制功耗水平，并采取有效散热设计。而星载AI的复杂性对算力提出了较高要求，因此需要软硬件协同优化以提升星上计算性能。
（3）软件定义
软件定义为星载AI提供技术基础，通过软硬件解耦合，支持星上应用即插即用以及卫星功能在轨重构和更新，以应对快速变化的航天任务需求，实现卫星从“功能机”到“智能机”的转变。
星载AI技术应对
（1）抗辐照加固
传统宇航级器件按照严格的航天行业标准设计制造，在抗辐射、耐极端温度、耐振动和冲击等空间环境要求方面存在大量冗余设计。星载AI技术采用COTS器件，为平衡可靠性与高性能，其加固措施主要考虑三个原则：可恢复性，发生故障后可及时恢复；无后效性，本次故障不会影响后续任务执行；可纠正性，可自动纠正运行时的异常。
可靠性设计主要考虑辐射效应中的总剂量效应和单粒子效应。总剂量效应是指辐射累积对电子器件造成的长期影响。当器件暴露在电离辐射环境中时，辐射会逐渐累积在器件的半导体材料中，导致材料属性的改变，进而影响器件的性能。在加固设计中，需要通过蒙卡分析确定元器件辐照水平，针对性实施进行加固，对于核心元器件，采取结构加厚、多重组合屏蔽材料优化等措施，可使总剂量水平降低2～4个数量级。
单粒子效应是指单个高能粒子（如质子、中子、α粒子等）穿过半导体器件时，由于其电荷沉积在器件的敏感体积内，导致瞬时的逻辑状态改变或器件损坏。针对单粒子效应，需从硬件和软件两方面进行加固。硬件方面包括硬件冗余、避错设计、硬件重构等；软件方面包括软件冗余、信息冗余、时间冗余等，具体加固设计方法如图1所示。
（2）高性能架构设计
星载计算几种典型的计算场景及其算力需求如表1所示，其中包括AI算法及其他常用算法。
在硬件方面，根据星载AI计算场景选择处理器设计计算架构，单机控制调度及小规模通用计算适用CPU，高速并行处理模块及大数据量简单计算功能适用FPGA，大规模通用计算及大规模AI计算适用GPU或者NPU，其他复杂计算还可选用DSP及专用集成电路（ASIC）等处理器。构建通用型星载AI计算平台往往需要将多种高性能处理器结合形成异构的计算体系，通过异构计算架构映射、适配硬件架构的算子优化、并行加速和数据流优化等方式提升性能，实现算力优化适配。
在软件方面，通过模型稀疏化与低比特量化等方式，降低算力、访存与存储的开销，实现模型轻量化，在性能指标相当的情况下，模型参数优化能够达到20倍以上。
（3）软件定义平台
在软硬件协同优化的基础上，星载AI需要突破卫星计算封闭架构，将应用程序与硬件解绑，实现软硬件解耦合，构建软件定义开放平台。架构设计思路如图2所示，应对多任务载荷环境，构建支持主流接口形式的载荷接入与高性能计算环境、基于高可靠容错技术的软件定义开放操作环境、与主流计算环境兼容的通用应用程序执行环境，以支持AI模型在轨上注更新与灵活加载，并支持软件应用在轨升级与版本回退。
星测未来作为国内较早开展卫星智能化研究的公司，聚焦星载AI能力建设，已经形成了较为成熟的产品系列，积累了较为丰富的星上智能处理应用经验。
遥感数据实时处理
中国的遥感卫星仅在大陆范围内过境时，能够将数据下传地面进行处理，获取情报需要数小时、数天，星载AI使遥感卫星具备在轨智能处理、识别与决策的能力，并通过北斗等快速链路将重要目标信息下发至终端，耗时仅数秒、数分钟，在风险管控、应急救援、国防监测等高时敏性场景中发挥着重要作用。
（1）光学遥感卫星
2024年1月23日，星测未来星载AI计算板卡搭载微纳星空泰景三号02星光学遥感卫星成功发射，提供AI图像压缩、AI目标识别和定位服务，算力达到275TOPS。在轨运行结果表明，星上AI压缩处理相比传统算法性能有较大提升，满足实时遥感应用要求。在光学检测识别功能中，采用地面常用的AI图像分割大模型（SAM），根据星上遥感场景处理需求对模型进行优化，经过地面训练、格式转换和精简适配之后，模型权重缩小为不到原先的十分之一，推理速度提升3倍。
（2）SAR遥感卫星
与光学遥感相比，SAR遥感卫星具备远探测距离、探测范围大，不受云雾雨雪遮挡等优势，但SAR遥感影像无法直接解译，需要进行成像、校正等预处理工作后才能进行情报解译，因此需要构建SAR在轨全流程实时处理算法。
2022年2月27日，搭载天仪研究院巢湖一号SAR遥感卫星发射的21TOPS智能计算载荷，截至2024年8月已完成428次在轨AI计算任务，成功率100%，并通过上注更新链路（OTA）实现星上处理平台在轨重构，完成星载SAR舰船目标识别算法更新，并新增常态化定期重访观测等功能，星上处理能力不断提升。SAR在轨处理实例如图4所示。
自主任务规划与协同调度
在轨任务日益复杂，卫星在面对任务变化、环境变化与突发事件时需要能够自主决策，并进行多星协同。星载AI赋予卫星实时分析数据，智能决策任务优先级，动态调整观测计划的能力，极大地提升了卫星及星座的灵活性。
例如，在科学探测领域，中国科学院高能物理研究所于2019年提出了“全变源追踪猎人星座”计划（CATCH），CATCH是由百颗微型卫星组成的X射线观测星座，通过智能化控制，可实现对海量变源的无死角、不间断监测。星测未来为CATCH星座首颗验证星提供高性能AI智能计算平台，平台支持系统软件和算法的在轨更新，用于CATCH星座星上智能调度、星间协同的在轨方案验证，首星已于2024年6月22日成功发射。
空间态势感知与太空服务
随着航天工业的发展，以空间态势感知为基础的太空垃圾清理、卫星维修、加油、建造等新太空经济正在涌现。航天器智能化成为行业趋势，星载AI也需要更广泛地应用于新的场景，这对智能计算平台的部署以及新算法的训练和优化提出了挑战。
星测未来正在与合作伙伴共同进行多种算法开发和方案验证。包括与三垣航天合作，提供空间硬件环境和AI 计算资源，支持机械臂控制算法验证工作，加速太空垃圾清理场景业务落地；以及面向空间态势感知能力构建，开展分布式空间目标感知处理系统的研发等。
星载AI技术作为航天领域的重要发展方向，正推动着卫星智能化水平的不断提升。国外星载AI技术起步较早，已经在多个领域形成技术应用闭环，我国星载AI技术发展迅速，星上算力快速提升。目前，星载AI技术仍面临着硬件可靠性、资源受限、场景多样性等挑战，本文提出抗辐照加固、软硬件协同加速和软件定义平台等核心技术路线，旨在实现高可靠、高算力、智能化的星载AI方案，并在遥感数据实时处理、自主任务规划与协同调度、空间态势感知与太空服务等领域进行应用实践。
展望未来，随着星载高性能计算架构的演进和智能算法的持续优化，AI将在天地一体信息系统、太空服务、深空探索等新兴场景中发挥更重要的作用，推动航天系统向智能化、协同化方向加速发展。
